【华为云技术课堂】云端架构设计基础篇：正确理解高可用性

今天我们开启云端架构设计的系列文章，开篇先从高可用性基础概念聊起，废话不多说，直接上干货。

01

什么是高可用性？

首先，我们需要理解什么是高可用？

维基百科的定义如下：

高可用性（英语：High Availability，缩写为 HA），IT术语，指系统无中断地执行其功能的能力，代表系统的可用性程度。是进行系统设计时的准则之一。

基本上来说，就是要让我们的计算环境（包括软硬件）做到full-time的可用性。在架构上来说，需要考虑如下设计：

1. 对软硬件的冗余，以消除单点故障。任何系统都会有一个或多个冗余系统做standby。

2. 对故障的检测和恢复。检测故障以及用备份的结点接管故障点。这也就是failover。

02

高可用的三种模式

1、主备模式 

主节点工作，备节点处于监控准备状况；

当主节点宕机时，备节点接管主节点的一切工作；

待主节点恢复正常后，有两种恢复方式，一种是自动或手动方式切回到主节点；另一种是不切回，以前的主机沦为备节点，这种方式一般在云端采用。

数据的一致性一般是通过数据库同步方式解决。

案例：华为云MySQL数据库服务的主备实例，如下图所示：

2、双活模式

主节点和备节点同时运行，通过全局负载均衡器负载分摊访问流量，当主节点机宕机时，备节点机立即接管它的一切工作，保证系统不间断运行；

主备节点一般是共享主节点的数据库实例，备节点数据库实例同步主节点实例，可提供只读服务。

案例：招商局的同城双活灾备系统就是该模式，可参考链接：

百年招商局大转型，“双云”混合继往开来  

http://www.sohu.com/a/225597241_122592

3、集群模式

多个节点构成集群，一起工作，有如下特点：

• 多主架构，去中心化；

• 集群不同节点之间数据实时同步，没有延迟；

• 在出现数据库故障时，因支持多点写入，切换容易；

• 在服务期间，可支持节点增加或删除的“热插拔”；

• 集群的维护，对应用程序是透明的。

案例：华为云分布式缓存集群实例，其架构图如下所示：

所有的redis节点彼此互联；客户端与redis节点直连,不需要中间proxy层；客户端不需要连接集群所有节点,连接集群中任何一个可用节点即可。

03

IT基础设施的高可用

1、网络高可用

由于网络存储的快速发展，网络冗余技术被不断提升，提高IT系统的高可用性的关键应用就是网络高可用性，网络高可用性是通过匹配冗余的网络设备实现网络设备的冗余，达到高可用的目的。

比如冗余的交换机，冗余的路由器等

2、服务器高可用

服务器高可用主要使用的是服务器集群软件或高可用软件来实现。

3、存储高可用

使用软件或硬件技术实现存储的高度可用性。其主要技术指标是存储切换功能，数据复制功能，数据快照功能等。当一台存储出现故障时，另一台备用的存储可以快速切换，达一存储不停机的目的。

04

高可用性的度量

系统可用性一般用n个9来度量，9越多代表全年服务可用时间越长服务更可靠，停机时间越短，反之亦然。

下表提供了n个9对应的年、月、周、天的宕机时间：

宕机时间是怎么计算的呢？宕机时间顾名思义就是不可用时间，比如，可用性为99.999%（5个9），不可用性为1-99.999%=0.001%，我们算一下按照“年”来度量的宕机时间如下：

365天*24小时*60分钟*（1-99.999%）≈5.26分/年。

可信云官网列出的天翼云主机的业务可用性指标为99.95%，我们计算一下宕机时间：

365天*24小时*（1-99.95%）≈4.38小时/年。

在线系统和执行关键任务的系统，比如金融系统，通常要求其可用性要达到5个9标准(99.999%)。

05

数据一致性问题

高可用系统，细节之处全是魔鬼，冗余结点最大的难题就是数据复制的数据一致性保证。冗余数据所带来的一致性问题是魔鬼中的魔鬼：

• 如果主备节点数据复制是异步的，那么在failover的时候就会出现数据差异的情况。

• 如果主备节点数据复制是同步的，那么就会导致冗余结点越多性能越慢。

所以，很多高可用系统都是在做各种取舍，如果我们对数据库的性能要求较高，能容忍一定的数据差异，建议采用异步复制模式；如果要求数据的强一致性，能够容忍一定的性能损耗，建议采用同步复制模式，比如银行账号的余额真实体现了账户的结余，不能允许主备节点账号余额不一致，此时就必需做到强一致性。

06

高可用性总结

• 要做到服务高可用，就必需要有备用（复本），无论是应用结点还是数据结点
  

• 要做到复制，就会有数据一致性的问题，要根据业务场景来取舍

• 我们不可能做到100%的高可用，也就是说，我们能做到几个9个的SLA

• 我们很难计算出系统有多少的可用性，因为影响一个系统的因素实在是太多了，除了软件设计，还有硬件，还有第三方的服务（如电信联通的宽带SLA），当然包括“建筑施工队的挖掘机”。

• 要真正保障系统的高可用性，是一件很难的事情，就算是3个9的可用性，一个月的宕机时间也只有40多分钟，即使是排名靠前的云服务商，也经常需要人肉处理故障， 一个故障处理1个多小时甚至2-3个小时，也是正常情况，当云服务商在官网上声明自己的SLA是3个9或是5个9，要切实提高自己的自动化运维处理故障的能力，不然客户会拿着官网的SLA来索赔。